Spss 선형회귀분석 해석 - spss seonhyeonghoegwibunseog haeseog

SPSS 통계분석

SPSS 회귀분석 및 해석 방법 (SPSS 다중회귀분석)

SPSS 회귀분석 (Linear Regression Analysis) 방법을 살펴보겠습니다. 

회귀분석이란, 

정량적 변수(점수화 할 수 있는 변수)가 정량적 변수에 미치는 영향을 

검증하고자 할 때 사용하는 분석입니다. 

단순회귀분석은 독립변수가 한 개가 종속변수에 미치는 영향을 검증하는거고, 

다중회귀분석은 독립변수 여러 개가 종속변수에 미치는 영향을 검증하는거에요. 

단순회귀분석이나 다중회귀분석이나, 

방법에서는 동일하기 때문에, 다중회귀분석 예시로 볼게요. 

예를 들면, 휴대폰의 디자인 만족도와 기능 만족도가 

전반적 만족도에 미치는 영향에 대해 분석을 하겠습니다. 

1. [분석] - [회귀분석] - [선형] 을 선택합니다. 

2. 독립변수에는 '디자인 만족도'와 '기능 만족도'를, 

   종속변수에는 '전반적 만족도'를 넣어줍니다. 

   그리고 "통계량" 메뉴에 들어갑니다. 

3. 독립변수의 다중공선성 여부를 파악하기 위해 "공선성 진단"을 체크하고, 

   잔차의 독립성 여부를 검증하기 위해 "Durbin-Watson"을 체크합니다. 

   그리고 "계속", "확인"을 클릭해주면 됩니다. 

그러면 결과가 나타나는데요. 

먼저 모형 요약에서는 

R제곱과 수정된 R제곱, 그리고 Durbin-Watson 값이 나왔네요. 

R제곱은 독립변수가 종속변수를 얼마나 설명하는지를 의미하는 통계량입니다. 

여기서는 .459로 나타났기 때문에, 약 45.9%를 설명한다고 할 수 있습니다. 

수정된 R제곱은 변수가 많아지면 무조건 높아지는 R제곱의 단점을 보완한 R제곱입니다. 

여기서 수정된 R제곱은 .457로 나타났네요. 

R제곱과 큰 차이가 나지 않을수록 좋은 모형이라고 할 수 있습니다. 

요즘은 논문에서 R제곱과 수정된 R제곱을 모두 표기하는 게 일반적입니다. 

한편 Durbin-Watson은 1에서 3 사이의 값을 보이면, 

잔차의 독립성에 큰 문제가 없다고 할 수 있는데, 

여기선 1.874로 나타나 잔차의 독립성이 충족된 것으로 판단됩니다. 

다음으로 분산분석에서는, 

F값에 대한 유의확률을 확인해야 하는데, 

유의확률(p값)이 0.05보다 작으면, 

회귀모형이 적합하다고 할 수 있습니다. 

마지막으로 계수에서는, 

VIF값을 먼저 봐야 하는데, VIF가 10 미만이면, 다중공선성에는 문제가 없다고 합니다. 

다중공선성이란, 너무 비슷한 변수가 독립변수에 포함된 경우를 말하는데, 

여기서는 VIF값이 모두 1점대로 작으므로, 다중공선성 문제는 없는 것으로 나타났네요. 

다음으로 변수의 유의성을 확인하기 위해 유의확률을 볼게요. 

유의확률이 0.05보다 작으면, 그 변수가 종속변수에 유의한 영향을 미친다고 할 수 있어요. 

디자인 만족도와 기능 만족도의 유의확률이 모두 0.05보다 훨씬 작게 나타났네요. 

즉, 디자인 만족도와 기능 만족도는 전반적 만족도에 유의한 영향을 미치는 것으로 판단됐네요. 

베타값을 볼까요? 

디자인 만족도는 .129, 기능 만족도는 .596으로 나타났습니다. 

둘 다 플러스 값이기 때문에, 

디자인 만족도와 기능 만족도는 전반적 만족도에 정(+)의 영향을 미친다고 할 수 있습니다. 

그리고 베타 값이 기능 만족도가 훨씬 크기 때문에, 

기능 만족도가 디자인 만족도 보다는 전반적 만족도에 더 큰 영향을 미친다고 할 수 있겠네요. 

결과적으로 휴대폰 회사에서는, 고객들의 전반적인 만족도를 높이기 위해서는, 

디자인보다는 기능에 중점적인 개선을 해야한다고 결론을 낼 수 있겠네요. 

아래는 논문에서 주로 표현하는 표의 형태입니다. 

참고하시구요. 

이상 SPSS로 회귀분석을 하는 방법 소개였습니다. 

참고.  카이제곱 검정​   독립표본 t-검정​   대응표본 t-검정​ ​  일원배치분산분석​​

        상관관계 분석​

안녕하세요. 논문 쓰는 남자

논쓰남 입니다.

​

오래만이쥬? ㅎㅎㅎ

최근 일주일동안 아이폰 탈옥 포스팅 하느라

SPSS 글을 이제야 쓰네요.

​

오늘은!! spss 통계의 꽃이죠?

회귀분석입니다.

회귀분석이란,

독립변수(=원인변수)가 종속변수(=결과변수)에 '영향'을 주는지, 아닌지를 보는 분석입니다.

독립변수와 종속변수 모두 양적인(연속형) 변수여야 합니다.

​

또한

회귀분석은 단순 회귀분석(=선형 회귀분석)과 다중 회귀분석(=중다 회귀분석)이 있는데요

종속변수에 영향을 주는 '독립변수의 개수' 에 따라 단순과 다중으로 나뉩니다.

​

독립변수가 1개일 때: '단순' 회귀분석

독립변수가 2개 이상: '다중' 회귀분석

​

오늘은 SPSS '단순 회귀분석'을 배워보도록 하겠습니다.

독립변수: 교육

종속변수: 프로그램

​

대립가설: 봉사활동 '교육'이 사회복지 '프로그램'에 영향을 미칠 것이다.

귀무가설: 봉사활동 '교육'이 사회복지 '프로그램'에 영향을 주지 않을 것이다.

종속변수 - 프로그램

독립변수 - 교육

​

연구자가 연구하고자 하는 변수를 종속, 독립변수 란에 넣어주세요.

추정값, 모형 적합, Durbin-Watson에 체크를 해주세요.

'기술통계'는 연구자가 확인하고 싶다면 체크하시고

굳이 필요 없으면 안 보셔도 됩니다.

​

'공선성 진단'은 다중 회귀분석 시 파악하는 값이므로

단순 회귀분석에서는 확인하지 않습니다.

​

[계속] 클릭

SPSS 에서 단순 회귀분석은 방법이 '입력' 이어야 합니다.

'입력 방법'으로 잘 되어 있는지 확인 하시고 [확인]을 누릅니다.

2. 회귀분석 해석

회귀분석을 위와 같이 실시했다면

출력결과 창에

[진입/제거된 변수, 모형 요약, 분산분석, 계수, 찬차 통계량]

5개의 표가 생성되는데요.

​

여기서 가장 중요한 3가지 표만 보시면 됩니다.

[모형 요약 표]에서 확인해야할 부분은

'R 제곱'과 'Durbin-Watson' 입니다.

​

먼저 'R 제곱'은 회귀분석의 '설명력'을 보여주는데요.

값이 1에 가까울 수록 높은 설명력을 보인다고 할 수 있습니다.

​

다음으로 Durbin-Watson은 '독립성'을 나타내는 값입니다.

0~4의 값을 가지며 2에 가까울 수록 독립성이 있습니다.

​

만약 값이 0에 가깝다면 정적인 관계를 갖고 있으며

4에 가깝다면 부적인 관계를 갖고 있다고 볼 수 있습니다.

[분산 분석 표]에서 확인해야할 부분은 F 검정의 '유의확률' 입니다.

F 검정의 유의확률이 유의수준 0.05 미만으로 나타났다면

'회귀모형이 적합하다' 입니다.

개인적으로 spss 회귀분석에서 [계수]가 가장 중요하다고 생각 되어지는데요.

​

가장 먼저 봐야할 부분은 파랑색 네모 값인데요.

​

'교육'이라는 독립변수가 종속변수 '프로그램'에 영향을 주는지 보기 위해 진행한

회귀분석이 유의한지를 확인해야 합니다.

​

따라서 표의 가장 오른쪽 '유의확률'을 봐야하는데

독립변수명에 해당하는 '유의확률'을 보시면 됩니다.

​

[유의확률이 유의수준(0.05)보다 작으면 대립가설 채택, 귀무가설 기각

유의확률이 유의수준(0.05)보다 크면 대립가설 기각, 귀무가설 채택]

​

다음으로 봐야 할 값은

비표준화 계수의 B값인데요.

​

단순 회귀분석 해석에 대한 자세한 설명은 아래 영상을 참고하세요!

단순 회귀분석 논문 표 양식과 해석은

아래 링크로 이동하면 다운로드 할 수 있습니다.